1.GBDT中的梯度是什么对什么的梯度？
L(yi, F(x) ) 对之前所有轮次tree的和的gradient
2. 给一个有m个样本，n维特征的数据集，如果用LR算法，那么梯度是几维?
n维
3.同样的m*n数据集，如果用GBDT，那么梯度是几维？m维？n维？m*n维？或者是与树的深度有关？或者与树的叶子节点的个数有关？
m维，还有就是gbdt在一阶泰勒展开后需要添加正则化以防止naive solution，而xgb展开到二阶后，如果cost function的二阶导数大于0，相当于某种意义上的自带正则